面向听觉智能与物理AI的
人机交互开发者社区

发现模型、参与赛事、分享实践、连接同行,共创数据、模型与评测驱动的人机交互生态。

50k+
注册开发者
5.8k+
技术文章
268+
开源数据集
300+
技术课程

最新声浪

查看全部 →
语音识别大杀器:详解Seq2Seq模型在语音识别中的应用
原创6 years ago
语音识别大杀器:详解Seq2Seq模型在语音识别中的应用

全文导读 对于一些自然语言处理任务,比如聊天机器人,机器翻译,自动文摘等,传统的方法都是从候选集中选出答案,这对素材的完善程度要求很高,随着最近几年深度学习的兴起,国外学者将深度学习技术应用与自然语言的生成和自然语言的理解的方面的研究,并取…

179 0 0
语音合成的速度如何提升400%?
原创6 years ago
语音合成的速度如何提升400%?

全文导读 阿里在曾提出一种语音合成系统因其基于深度前馈序列记忆网络,在达到与基于双向长短时记忆单元的语音合成系统一致的主观听感的同时,合成速度是后者的400%,但是模型大小只有后者的四分之一,这对于内存占用和计算效率非常敏感的端上产品环境是…

105 0 0
使用 TensorFlow Lite 在嵌入式端部
转载6 years ago
使用 TensorFlow Lite 在嵌入式端部

1、背景 热词唤醒 (Keyword Spotting) 往往是用户对语音交互体验的第一印象,要做到准确快速。因此热词检测算法要同时保证高唤醒率和低误唤醒率,能够准确地区分热词和非热词的音频信号。主流的热词检测方法,通常使用深度神经网络来从…

90 0 0
Towards End-to-End Speech Reco
转载6 years ago
Towards End-to-End Speech Reco

这是一篇谷歌语音团队在2018 interspeech上分享。ppt很长,大概180页左右,讲述了谷歌团队如何从CTC、RNN-T、LAS一步一步趟坑过来,然后把LAS做成谷歌线上产品。非常敬佩这个强大的团队,特别感谢他们的分享,这里分享给…

190 0 0
kaldi里的说话人识别例子
原创6 years ago
kaldi里的说话人识别例子

今天给大家说下如何利用kaldi搭建说话人识别的例子。仅仅是搭建,具体的很多参数的调整需要大家根据数据集的不同慢慢调整。 数据准备:无论使用kaldi来做语音识别还是说话人识别,第一步就是数据准备,对于说话人识别来说,需要准备的几个文件为w…

132 0 0
kaldi里的在线识别
原创6 years ago
kaldi里的在线识别

语音识别分为训练和识别两个过程,训练包含声学模型的训练和语言模型的训练,识别就是大家说的那个过程。通常会通过麦克风来获取音频,这部分一般是系统函数调用获取得到音频数据,一般系统采用16k采样率,16bits,单通道的音频。当然也可能会用到高…

188 1 0
【第七期】AI Talk:端到端语音合成及其优化实践(上)
转载6 years ago
【第七期】AI Talk:端到端语音合成及其优化实践(上)

1、前言 语音合成系统分为前端和后端,前端负责分词、词性、多音字标注等文本特征信息提取;后端模块根据前端提取的文本特征完成语音生成。从技术角度,传统后端模块又可以细分为拼接系统和参数系统,拼接系统和参数系统各有优缺点,详细对比可以参照 AI…

107 0 0

为语音开发者而生